课程安排 一、大数据概述 二、大数据处理架构Hadoop 三、分布式文件系统HDFS 四、分布式数据库HBase 五、MapReduce 六、Spark 七、IPythonNotebook运行PythonSpark程序 八、PythonSpark集成开发环境 九、PythonSpark决策树二分类与多分类 十、PythonSpark支持向量机 十一

前提前面一篇文章已经很详细地介绍了ClickHouse中每种数据类型的定义和基本使用，这篇文章会详细地介绍ClickHouse中的DDL和DML，很多操作区别于传统的DBMS，特别是代价巨大的DELETE和UPDATE操作。接下来开始吧💪💪❝一般情况下，笔者建议ClickHouse的关键字全用大写，这

创建索引PUTdemoindex返回{"demoindex":{"settings":{"index":{"routing":{"allocation":{"incl

最近一段时间，一直在和PostgreSQL社区合作开发TDE（Transparentdataencryption，透明数据加密）。研究了一些密码学相关的知识，并利用这些知识和数据库相结合。本文将会以数据库内核开发角度，从以下3个维度和大家讲述TDE。1.数据库当前面临的威胁模型2.加密策略描述，当前PostgreSQL社区目前的设计状态以及

0树状数据的分类我们在mysql数据库设计的时候,会遇到一种树状的数据.如公司下面分开数个部门,部门下面又各自分开数个科室,以此形成树状的数据.关于树状的数据,按层级数大致可分为一下两类:分类特点固定数量层级层级数量固定,每一层级都有各自的意义,如集团分公司部门科室,省市区等可变数量层级层级数量不固定,前几层级

1、环境：Win7x64、python3.7x64、tensorflow1.14、CPUi59400F2、3、　3.1、cifar10，没有数据，全新下载，下到默认目录（C:\\Users\\Administrator\\tensorflow\_datasets），全过程控制台输出：（20190903）"C:\ProgramF

本文分享自天翼云开发者社区《》，作者：徐东随着数据量的不断增加，数据治理已经成为了企业管理里不可或缺的一环。数据治理可以帮助我们更好地进行数据的管理和使用，从而提升数据的质量和价值，同时也能够保证数据的安全和合规。一、数据治理面临的问题数据治理中主要面临的

Categraf是一个监控采集Agent，类似Telegraf、GrafanaAgent、DatadogAgent，希望对所有常见监控对象提供监控数据采集能力，采用Allinone的设计，不但支持指标采集，也希望支持日志和调用链路的数据采集。相比于其他采集器，Categraf的优势在于：支持remote_write写入协议，支持将数据写入promethues、M3DB、VictoriaMetrics、InfluxDB；指标数据只采集数值，不采集字符串，标签维持稳态结构；采用allinone的设计，所有的采集工作用一个agent搞定；未来也可以把日志和trace的采集纳入agent；纯Go代码编写，静态编译依赖少，容易分发，易于安装。

本文分享自天翼云开发者社区《》，作者：徐东为了更好地保护数据安全、提高数据管理效率、确保数据合规性，企业需要对数据进行分类分级，根据数据的密级和敏感程度制定不同的管理和使用策略，尽可能做到有差别和针对性的防护，避免敏感数据的防护不足，非敏感数据的过度防护。

本文分享自天翼云开发者社区《》，作者：徐东一、引言现如今，数据已经成为企业实现业务价值的关键。随着大数据技术的发展，企业对于数据的收集、分析和利用越来越重视。其中，数据资产化已经成为企业数据管理的重要趋势，它能帮助企业更好地发掘和利用数据中的价值，从而提升